L'équipe SIAM (Signal, Image, AutoMatique) est une équipe interdisciplinaire dont les recherches s’articulent autour des quatre étapes indispensables à l’étude générale d’un système que sont la perception, l’observation, la modélisation et la commande. Les deux types de systèmes visés pour l’application de ces méthodes sont principalement les véhicules et les systèmes biologiques. Les comportements hors normes des systèmes étudiés ainsi que la prise en compte de leur autonomie conduisent les chercheurs de l’équipe à mettre en œuvre des méthodes originales sur des aspects très variés : comportement en limite de sécurité pour les véhicules, véhicule aérien plus léger que l’air, coopération d’engins autonomes, mobilité des cellules en phase améboïde et prise en compte du micro-environnement.

Cette expertise participe à la définition de l’équipe et à son rayonnement. S’appuyant sur des applications hétérogènes, l’équipe a imaginé des méthodes transversales aux outils habituels, offrant ainsi la possibilité de relier des disciplines donc des communautés qui ne le sont pas naturellement. Citons quelques exemples : la décomposition de tenseurs statistiques pour l’analyse d’images 3D, la théorie de la décision statistique appliquée à la reconnaissance de types cellulaires, la prise en compte de modèles déformables avec efforts aéro-élastiques dans le but du contrôle de dirigeables, la classification de la stabilité sous contraintes de systèmes non-hamiltoniens.

L’équipe mise donc sur ces interactions multidisciplinaires pour asseoir son projet de recherche dans un contexte local favorable (installation du CHSF en 2010, de l’IRBA en 2009, extension de Genopole, rapprochement avec l’IFFSTAR-LIVIC).

Derniers dépôts

Chargement de la page

widget_cartohal

Documents avec texte intégral

181

Documents en Open Access %

56 %

Références bibliographiques

216

Mots-clés

Linear Matrix Inequality LMI Artificial intelligence Structure from Motion Multi-task learning LPV systems Cameras Protocols Multi-agent systems Observers LBP Renewable source integration Asymmetric saturation Home Electrical Appliances HEAs UAVs Nonlinear systems Autonomous driving Contour extraction Optimal control Convolutional neural networks Fault-Tolerant Control Adaptive control Sensor faults Neural Networks Linear matrix inequalities Aggregation Unknown input Time delay Adaptive systems Grid stability Robust control Photovoltaic system Stability criteria Optimization Fuzzy logic systems LMI constraints Heuristic algorithms Autonomous vehicles Deep learning Linear systems Stability Linear matrix inequalities LMIs Cyberattack Model Predictive Control Fuzzy control Synchrosqueezing Observer-based control Fault estimation Roads Pooling function Adaptation models State estimation Fault-tolerant control Clinical gait analysis UAV LMIs Linear matrix inequality Autonomous Vehicles Estimation Sliding mode control Consensus control Fuzzy systems Fault detection Adaptive fuzzy control Costs Rank aggregation Games Time-frequency Model predictive control Semantic segmentation Adaptive Control Neural networks Attention Lyapunov Theory Interval observer Calibration Optical flow Gait rehabilitation Actuators Segmentation LMI Aerial Robot Localization Identification Reinforcement learning Takagi-Sugeno Actuator saturation Deep Learning Autonomous aerial vehicles Six-rotor unmanned aerial vehicles DC MicroGrids Markov processes Disturbance observer Lyapunov methods Object detection Stability analysis Nonlinear control Apprentissage profond Machine learning Ridge extraction Vehicle dynamics